-
公开(公告)号：CN118551745A
公开(公告)日：2024-08-27
申请号：CN202410601569.7
申请日：2024-05-15
申请人： 复旦大学 , 复旦大学附属儿科医院
IPC分类号： G06F40/186 , G06Q50/20 , G06F40/284
摘要： 本发明提出了一种基于知识增强的大型语言模型的选择题库自动生成方法。此方法的高效地结合了专业的医学教材内容与自动化技术，确保生成的医学选择题不仅准确、相关，而且具有教育和评估的实际价值。通过智能化的文本处理和关键词提取，以及专业知识库的利用，该系统显著提高了医学教育材料制备的效率和质量，同时为医学生提供个性化和挑战性强的学习材料。
-
公开(公告)号：CN118551254A
公开(公告)日：2024-08-27
申请号：CN202410601359.8
申请日：2024-05-15
申请人： 复旦大学 , 复旦大学附属儿科医院
IPC分类号： G06F18/24 , G06F18/25 , G06V10/764 , G06V10/40 , G06V10/774 , G16H50/20 , G06T5/50 , G06N3/0455 , G06N3/084 , G06N3/0499
摘要： 本发明提供一种基于transformer与图文数据的儿童社区获得性肺炎病原分类方法，包括如下步骤：步骤S1，在儿童CAP患者确诊肺炎后，对所述患者所拍摄的胸部x光片进行至少包括图像质量检测以及前正位/侧位胸片分类的预处理从而得到预处理胸片，对所述患者的临床特征进行至少包括文本质量检测的预处理得到预处理临床特征；步骤S2，将所述的预处理胸片输入至预先训练好的图像特征提取模块得到图像特征，将所述的预处理临床特征输入至预先训练好的文本特征提取模块得到文本特征；步骤S3，对S2得到的文本特征与图像特征进行决策层面的晚期融合从而得到所述患者的所述肺炎病原种类。
-
公开(公告)号：CN118568258A
公开(公告)日：2024-08-30
申请号：CN202410602241.7
申请日：2024-05-15
申请人： 复旦大学 , 复旦大学附属儿科医院
IPC分类号： G06F16/35 , G06F40/205 , G06N3/045 , G06F40/151 , G06N3/08 , G06N3/084 , G06F18/2415 , G06F40/211
摘要： 本发明提供一种随机对照试验透明度分析方法，包括如下步骤：步骤S1，根据PMC(PubMed Central)标识号(PMCID)下载随机对照试验的相关文献，确保文献的准确性；步骤S2，对下载的文献进行解析，包括文本内容、表格数据以及流程图等；步骤S3，基于BioBERT模型构建随机对照试验的内容质量模型，将可编辑文本输入模型进行透明度评估；步骤S4：输出透明度评估结果，为研究人员提供关于随机对照试验内容质量的详尽信息。
-
公开(公告)号：CN118552771A
公开(公告)日：2024-08-27
申请号：CN202410601951.8
申请日：2024-05-15
申请人： 复旦大学 , 复旦大学附属儿科医院
IPC分类号： G06V10/764 , G06T7/00 , G06N20/00 , G06V10/774 , G06V10/82 , G06N3/09 , G06N3/045 , G06V10/762 , G06N3/0464
摘要： 本发明提供了一种基于对比学习和主动学习的肺部病变分类方法，包括：步骤S1，首先对数据进行预处理，胸片影像的预处理包括格式转换(DICOM到JPG)及图像大小裁剪，并去除原始文本报告的无关信息；步骤S2，在预训练阶段，利用医学影像和其对应文本报告的语义对应关系，在公共的胸片影像‑文本报告数据集上进行多模态对比学习，获得医学多模态基础模型，该基础模型获得一定的医学多模态数据的特征提取能力。步骤S3，针对私有数据集的胸片影像数据集，将无标签数据输入肺部病变分类模型，通过主动学习算法主动选择部分样本进行肺部病变标注，形成有标签训练集，使用标注数据进行有监督训练，完成肺部病变分类模型的进一步微调。
-
公开(公告)号：CN118229563A
公开(公告)日：2024-06-21
申请号：CN202410045620.0
申请日：2024-01-12
申请人： 复旦大学附属儿科医院
IPC分类号： G06T5/70 , G06T5/73 , G06T5/60 , G06N3/047 , G06N3/0464 , G06N3/0455 , G06N3/084
摘要： 本发明提供一种基于贝叶斯神经网络的低剂量CT图像质量增强方法，包括如下步骤：步骤S1，使用Mayo Clinic数据集作为训练集。步骤S2，基于贝叶斯卷积层构建用于增强低剂量CT图像质量的贝叶斯神经网络。步骤S3，对训练集进行数据增强后，输入到贝叶斯神经网络中，训练贝叶斯神经网络，直到网络收敛。步骤S4，使用训练完成的贝叶斯神经网络对低剂量CT图像进行计算，生成质量增强的低剂量CT图像。
-
公开(公告)号：CN115470989A
公开(公告)日：2022-12-13
申请号：CN202211118219.2
申请日：2022-09-14
申请人： 复旦大学附属儿科医院
摘要： 本发明公开了基于机器学习的预测早产儿支气管肺发育不良风险的方法，包括步骤一：选择相关历史病历及数据，通过数据集成、结构化、预处理等进行数据处理；步骤二：在医学逻辑监督下提取医学变量；步骤三：通过机器学习的方法训练出效果最佳的多因素预测模型；步骤四：独立验证集中验证、检定模型的性能及阈值；步骤五：与临床辅助决策系统结合，在相应的应用场景中使用模型，传递给用户。本发明利用医院电子病历信息库，结合机器学习的方法，建立BPD风险预测模型，在院内数据部署软件后，对来院住院的患儿进行实时运算，对早产儿人群中BPD患儿进行提示，供医生进一步进行评估及早期干预，延缓病情进展，改善患者预后。
-
公开(公告)号：CN117934398A
公开(公告)日：2024-04-26
申请号：CN202410045903.5
申请日：2024-01-12
申请人： 复旦大学附属儿科医院
IPC分类号： G06T7/00 , G06V10/52 , G06N3/0464 , G06N3/084
摘要： 本发明提供一种基于多尺度特征的无参考CT图像质量评估方法，包括如下步骤：步骤S1，从Mayo Clinic数据集生成不同质量的CT图像训练集。步骤S2，基于卷积神经网络，构建无参考的CT质量评估网络。步骤S3，将步骤S1的训练集输入到CT质量评估网络中，训练网络直到网络收敛。步骤S4，将待测CT图像输入训练好的CT质量评估网络中，获取CT图像的质量评分。本发明结合多尺度特征提取、结构评价分支、特征评价分支和质量系数分支的CT质量评估网络，能针对CT图像中的细节和整体结构，产生精确的质量评估分数，从而实现对CT图像质量的量化评估。
-
公开(公告)号：CN113012127A
公开(公告)日：2021-06-22
申请号：CN202110289440.3
申请日：2021-03-18
申请人： 复旦大学
摘要： 本发明提供一种基于胸部医学影像的心胸比测量方法，用于根据患者的胸部医学影像进行心胸比测量，其特征在于，包括以下步骤：步骤S1，采用预定的图像处理方法对原始胸部医学影像进行处理，从而获取肺野二值轮廓图像；步骤S2，对肺野二值轮廓图像进行数据增强处理从形成训练集；步骤S3，利用训练集进行分割网络的训练，得到可应用于胸部医学影像的肺野自动分割模型；步骤S4，通过肺野自动分割模型分割得到当前肺野图像，并采用梯度算子提取当前肺野图像中肺野区域的轮廓线；以及步骤S5，基于预定的角点检测方法根据轮廓线确定胸部医学影像中的六个角点，并基于预定的心胸比计算方法根据该六个角点计算出胸部医学影像对应的心胸比。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.04 秒)
